写一个多元非线性回归的代码

以下是一个使用Python的多元非线性回归的例子，使用scikit-learn库中的PolynomialFeatures和LinearRegression函数：

import numpy as np
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression

# 创建随机数据
X = np.arange(0, 10, 0.1)
y = 2 * X + X ** 2 - 3 * X ** 3 + np.random.randn(len(X))

# 将数据转换为二次多项式特征
poly = PolynomialFeatures(degree=2)
X_poly = poly.fit_transform(X.reshape(-1, 1))

# 训练模型
model = LinearRegression()
model.fit(X_poly, y)

# 预测新数据
X_new = np.array([[10], [11], [12]])
X_new_poly = poly.transform(X_new)
y_new = model.predict(X_new_poly)

print("预测结果:", y_new)

这里使用二次多项式特征将X转换为X、X^2，然后使用LinearRegression函数来拟合数据并预测新数据。你可以通过更改degree参数来改变多项式的阶数。